쌓인 기록에서 찾기
무엇을 찾으세요? 날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위 2026년 8월 13일 (목) 부터 2026년 11월 5일 (목)까지 3977건
3건 · "Text-to-SQL"조건 지우기 ×
001 21:11 당일 +2,053 NVIDIA Auto-Ontology, 데이터 위에 의미 기반 추론층 구축 NVIDIA가 오픈소스 프레임워크 Auto-Ontology를 공개했으며, 이는 데이터 위에 시맨틱·그래프 기반 추론층을 만들어 에이전트가 더 정확한 답변을 제공할 수 있게 한다. AI · 머신러닝 · NVIDIA/auto-ontology · Python
Key Point LLM 에이전트의 쿼리 정확성이 속도보다 중요한 엔터프라이즈 데이터 환경에서, 잘못된 답변을 줄이기 위해 비즈니스 개념을 명시적으로 정의하고 검증하는 새로운 아키텍처 패턴을 제시합니다.
핵심 요약
NVIDIA가 오픈소스 프레임워크 Auto-Ontology를 공개했으며, 이는 데이터 위에 시맨틱·그래프 기반 추론층을 만들어 에이전트가 더 정확한 답변을 제공할 수 있게 한다. 에이전트가 쿼리하기 전에 데이터의 위치, 의미, 사용 방법, 출처, 유사 데이터를 파악해야 신뢰할 수 있는 쿼리를 생성할 수 있다는 점이 핵심이다. 데이터베이스 메타데이터에서 온톨로지를 자동 생성하고, 비즈니스 용어를 컬럼에 매핑하며, 테이블 간 관계와 검수된 SQL을 저장한다. 전체 요약 13문장 읽기 → 002 15:11 ▲ 56 · 댓글 2 다중 보상 학습에서 각 보상을 관련 토큰에만 할당하는 방법 언어모델은 도구 호출의 정확성·형식, 복잡한 지시의 개별 제약 등 여러 검증 가능한 보상으로 동시에 학습된다. AI · 머신러닝 · Each Reward to Its Relevant Tokens: Reward-Specific Token-Level Credit Assignment for Multi-Reward RL
Key Point 언어모델 강화학습에서 여러 보상을 동시에 처리할 때 각 보상이 실제로 영향을 미치는 위치에만 효과적으로 할당하는 방식의 개선으로, 수렴 속도와 성능 모두를 높인다.
핵심 요약
언어모델은 도구 호출의 정확성·형식, 복잡한 지시의 개별 제약 등 여러 검증 가능한 보상으로 동시에 학습된다. 기존의 보상-분리 정규화(GDPO)는 각 보상을 따로 정규화해 보상 조합을 구별하지만, 각 검증기가 몇 위치만 확인함에도 모든 보상의 이점을 전체 응답에 균등하게 분산한다. 이 논문이 제안하는 MRTPO는 보상별로 검증기가 확인하는 정보를 이용해, 각 보상의 이점을 관련 토큰에만 할당한다. 전체 요약 5문장 읽기 → 003 03:11 ▲ 26 · 댓글 2 엔터프라이즈 데이터 작업 평가 벤치마크 'Argo-Bench' 공개 기존 text-to-SQL 벤치마크는 쿼리 생성만 평가하며 정답 오류도 빈번한데, 실제 엔터프라이즈 데이터 환경은 수십 개 테이블을 넘나들며 통계 분석과 실행 가능한 의사결정을 요구한다. AI · 머신러닝 · Argo-Bench: Evaluating Data Agents on Enterprise-Scale Workflows
Key Point 엔터프라이즈 규모 데이터 시스템에서 AI가 쿼리 작성을 넘어 실제 의사결정까지 할 수 있는지 평가하는 첫 벤치마크이며, 현재 최강 모델도 35% 미만의 성공률로 데이터 에이전트의 현주소를 보여준다.
핵심 요약
기존 text-to-SQL 벤치마크는 쿼리 생성만 평가하며 정답 오류도 빈번한데, 실제 엔터프라이즈 데이터 환경은 수십 개 테이블을 넘나들며 통계 분석과 실행 가능한 의사결정을 요구한다. Argo-Bench는 뉴욕시 음식배달 플랫폼을 원탁 규모(2024년 주문 8,100만 건)로 시뮬레이션하고 Oracle E-Business Suite 스키마를 따른 235개 테이블, 75억 행의 ERP 웨어하우스를 모델링했다. 210개 데이터 과학·분석 작업으로 구성되며, 에이전트는 웨어하우스를 탐색해 사실을 재구성한 뒤 부정행위자 계정 차단, 배송원 인센티브 예산 할당, 소급 급여 지급 같은 실제 액션을 취해야 한다. 전체 요약 6문장 읽기 → 
